R data.table 分组内的子集并将数据表分成两个答案

【问题标题】：R data.table subsetting within a group and splitting a data table into twoR data.table 分组内的子集并将数据表分成两个
【发布时间】：2013-08-16 04:09:26
【问题描述】：

我有以下data.table。

ts,id
1,a
2,a
3,a
4,a
5,a
6,a
7,a
1,b
2,b
3,b
4,b

我想将此 data.table 分成两个子集。标准是每个组的前半部分（在本例中为“id”列）在一个数据表中，其余部分在另一个 data.table 中。所以预期的结果是两个data.tables如下

ts,id
1,a
2,a
3,a
4,a
1,b
2,b

和

 ts,id
 5,a
 6,a
 7,a
 3,b
 4,b

我尝试了以下，

z1 = x[,.SD[.I < .N/2,],by=dev]
z1

得到以下结果

id ts
a  1
a  2
a  3

不知何故，.SD 中的 .I 并没有按照我认为的方式工作。任何帮助表示赞赏。提前致谢。

【问题讨论】：

标签： r data.table

【解决方案1】：

.I 给出相对于整个 data.table 的行位置。因此它不能在.SD 中那样使用。

类似

DT[, subset := seq_len(.N) > .N/2,by='id']

subset1 <- DT[(subset)][,subset:=NULL]
subset2 <- DT[!(subset)][,subset:=NULL]

subset1
#    ts id
# 1:  4  a
# 2:  5  a
# 3:  6  a
# 4:  7  a
# 5:  3  b
# 6:  4  b
subset2
#   ts id
# 1:  1  a
# 2:  2  a
# 3:  3  a
# 4:  1  b
# 5:  2  b

应该工作

对于超过 2 个组，您可以使用 cut 创建具有适当级别数的因子

类似

 DT[, subset := cut(seq_len(.N), 3, labels= FALSE),by='id']
 # you could copy to the global environment a subset for each, but this 
 # will not be memory efficient!
 list2env(setattr(split(DT, DT[['subset']]),'names', paste0('s',1:3)), .GlobalEnv)

【讨论】：

@mnel .I 和.N 可以用在.SD，只要用对了，看我的帖子
@eddi -- 确实如此。很好的发现。

【解决方案2】：

这是你的表达的更正版本：

dt[, .SD[, .SD[.I <= .N/2]], by = id]
#   id ts
#1:  a  1
#2:  a  2
#3:  a  3
#4:  b  1
#5:  b  2

你的不工作的原因是因为.I和.N在i-expression中不可用（即[的第一个参数），所以父data.table的.I和@987654328使用@（即dt's）。

【讨论】：